CN115545681B - 一种用于工程项目管理的智能过程分析与监管方法及系统 - Google Patents
一种用于工程项目管理的智能过程分析与监管方法及系统 Download PDFInfo
- Publication number
- CN115545681B CN115545681B CN202211514139.9A CN202211514139A CN115545681B CN 115545681 B CN115545681 B CN 115545681B CN 202211514139 A CN202211514139 A CN 202211514139A CN 115545681 B CN115545681 B CN 115545681B
- Authority
- CN
- China
- Prior art keywords
- construction
- data
- project
- progress
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 127
- 230000008569 process Effects 0.000 title claims abstract description 98
- 238000010276 construction Methods 0.000 claims abstract description 596
- 238000004364 calculation method Methods 0.000 claims description 99
- 239000000463 material Substances 0.000 claims description 66
- 238000007726 management method Methods 0.000 claims description 62
- 230000006835 compression Effects 0.000 claims description 41
- 238000007906 compression Methods 0.000 claims description 41
- 238000009430 construction management Methods 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 33
- 239000002994 raw material Substances 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000004088 simulation Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004321 preservation Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract description 2
- 238000009435 building construction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于工程项目管理的智能过程分析与监管方法及系统，通过数据收集和智能分析的方式进行监管，无需在现场配置管理人员保障施工人员的施工进度，避免了由现场管理人员的疏忽而导致施工过程中产生的现场问题，并且在智能分析结果的基础上进行施工进度的调整，从而保证科学合理地进行工作分配，进而保证项目进度能实时跟进，对于与项目施工和项目管理有关的数据进行自动收集、整理和智能分析，保证项目信息的时效性，避免出现项目管理人员数据录入错误的情况，提高项目预估结果的准确性，并且及时反应当前的工程动态信息，进而为工程项目管理带来极大便利，对项目成本控制和进度管理提供有效手段。
Description
技术领域
本发明涉及智能建筑工程管理领域，具体涉及一种用于工程项目管理的智能过程分析与监管方法及系统。
背景技术
在基础建设的项目工程中，除了质量外普遍受到关注的情况就是工期。因此，如何在有限的资源条件下对施工现场的每道工序进行实时监控，从而及时、有效地向上级管理人员反映出现的工程质量问题，以及将对应的解决方案下发给现场施工人员，是保证高效率施工和建筑体最终质量的关键。
目前，越来越多建筑工程项目的规模不断扩大，原有工程项目管理方法对成本的控制，建设过程各类资源的管控都无法更好适应大规模建筑工程项目管理需求，所以现有的管控手段中还存在一系列问题。
例如：1、对于项目的管理：
在保障质量的前提下，一般会在现场配置管理人员保障施工人员的施工进度，即便如此，也容易出现由于现场管理人员的疏忽而导致施工过程中产生现场问题，并且在工期制定上也可能会出现不科学不合理的分配情况，从而出现项目进度无法实时跟进，工期滞后的情况。
2、对于项目数据的分析：
对于与项目施工和项目管理有关的数据的收集、整理和分析目前太依赖于项目预算员与施工员的人工录入，导致项目信息的滞留和滞后，并且如果出现项目管理人员数据录入错误的情况，则会导致预估结果的准确性降低，进而对工程项目管理产生误差，不能及时反应当前的工程动态信息，对项目成本控制和进度管理带来了极大的技术困难。
发明内容
针对上述现有技术的不足，本申请提供一种用于工程项目管理的智能过程分析与监管方法及系统。
第一方面本申请提出了一种用于工程项目管理的智能过程分析与监管方法，包括以下步骤：
基于目标项目构建项目管理数据库；
从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度；
实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点；
将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果；
从所述项目管理数据库中提取项目施工过程数据，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果；
根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整。
在一些实施例中，所述基于目标项目构建项目管理数据库，包括：
基于目标项目采集项目施工过程数据和项目规划数据，所述项目施工过程数据包括材料数据和施工作业时间数据，所述项目规划数据包括目标项目的施工区域划分数据和计划施工节点；
按照预设的加密方式对所述项目施工过程数据和项目规划数据分别进行分类加密处理，获得对应的项目分类密码集，并将所述项目分类密码集进行保存，将所述项目分类密码集分别导入所述项目施工过程数据和项目规划数据对应的数据线程中，从而构建所述项目管理数据库。
在一些实施例中，所述从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度，包括：
提取所述项目规划数据中目标项目的施工区域划分数据；
根据所述施工区域划分数据明确施工区域后获取每个施工区域制定的工作报表数据；
通过施工进度智能计算步骤对每个施工区域制定的工作报表数据进行模拟计算得到目标施工进度。
在一些实施例中，所述实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点，包括：
所述实际施工进度数据为每个施工区域对应的现场施工实际图像；
根据所述现场施工实际图像获取实际施工人员数量和实际施工设备数量；
提取所述项目规划数据中计划施工节点，基于所述计划施工节点统计每个施工区域的计划施工人员数量和计划施工设备数量；
根据实际施工设备数量、计划施工设备数量、实际施工人员数量和计划施工人员数量进行判断，根据判断结果得到实际施工进度节点。
在一些实施例中，所述将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果，包括：
根据所述实际施工进度节点中的实际施工人员数量计算每个施工区域对应的施工进度；
基于每个施工区域对应的施工进度进行计算得到当前施工进度；
将当前施工进度与目标施工进度进行对比，若当前施工进度大于所述目标施工进度，则所述施工进度分析结果为超前进度状态，若当前施工进度等于所述目标施工进度，则所述施工进度分析结果为正常进度状态，若当前施工进度小于所述目标施工进度，则所述施工进度分析结果为落后进度状态。
在一些实施例中，从所述项目管理数据库中提取项目施工过程数据，包括：
提取所述项目施工过程数据中的材料数据和施工作业时间数据，所述材料数据包括原材料的查验、统计和原材料保存记录，所述施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量；
对所述材料数据和施工作业时间数据进行实时监测分析，通过分析结果对项目施工过程进行监测管理。
在一些实施例中，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果，包括：
监测所述材料数据中的材料消耗数据，并在材料消耗数据异常时提示并记录，得到材料监管记录；
监测所述材料数据中的施工作业时间异常数据，并在施工作业时间值异常时提示并记录，得到施工作业时间记录；
基于所述材料监管记录和施工作业时间记录得到所述施工管理分析结果。
在一些实施例中，所述根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整，对施工进度进行调整包括：
获取所述施工进度分析结果为落后进度状态中的落后施工区域，将所述落后施工区域标记为待增援人员区域；
获取所述施工进度分析结果为落后进度状态中的达标施工区域，将所述达标施工区域标记为支援人员区域；
从所述支援人员区域向所述待增援人员区域进行人员调动。
在一些实施例中，所述根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整，对施工过程进行调整包括：
获取每个施工区域反馈的耗材明细表，通过所述施工管理分析结果中的材料监管记录与所述耗材明细表进行对比，对所述耗材超标的施工区域进行整顿；
通过所述施工管理分析结果中的施工作业时间记录查询每个施工区域的施工人员的异常施工作业时间，对异常施工作业时间的施工人员进行管理。
第二方面本发明提出一种用于工程项目管理的智能过程分析与监管系统，包括数据构建模块、目标施工进度获取模块、实际施工进度获取模块、施工进度分析模块、施工过程分析模块和施工管理模块；
所述数据构建模块，用于基于目标项目构建项目管理数据库；
所述目标施工进度获取模块，用于从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度；
所述实际施工进度获取模块，用于实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点；
所述施工进度分析模块，用于将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果；
所述施工过程分析模块，用于从所述项目管理数据库中提取项目施工过程数据，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果；
所述施工管理模块，用于根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整。
本申请中采集的所有信息均经过目标对象同意，并且只应用于合法用途。
本发明的有益效果：
1、对于项目的管理：
通过数据收集和智能分析的方式进行监管，无需在现场配置管理人员保障施工人员的施工进度，避免了由现场管理人员的疏忽而导致施工过程中产生的现场问题，并且在智能分析结果的基础上进行施工进度的调整，从而保证科学合理地进行工作分配，进而保证项目进度能实时跟进。
2、对于项目数据的分析：
对于与项目施工和项目管理有关的数据进行自动收集、整理和智能分析，保证项目信息的时效性，避免出现项目管理人员数据录入错误的情况，提高项目预估结果的准确性，并且及时反应当前的工程动态信息，进而为工程项目管理带来极大便利，对项目成本控制和进度管理提供有效手段。
附图说明
图1为本发明的总体流程图。
图2为目标施工进度获取流程图。
图3为实际施工节点获取流程图。
图4为施工进度分析结果的过程分析流程图。
图5为本发明的系统框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制；相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面本申请提出了一种用于工程项目管理的智能过程分析与监管方法，如图1所示，包括以下步骤：
S100：基于目标项目构建项目管理数据库；
基于目标项目采集项目施工过程数据和项目规划数据，所述项目施工过程数据包括材料数据和施工作业时间数据，所述项目规划数据包括目标项目的施工区域划分数据和计划施工节点；
按照预设的加密方式对所述项目施工过程数据和项目规划数据分别进行分类加密处理，获得对应的项目分类密码集，并将所述项目分类密码集进行保存，将所述项目分类密码集分别导入所述项目施工过程数据和项目规划数据对应的数据线程中，从而构建所述项目管理数据库。
其中，基于在项目管理的不同阶段所使用的不同数据信息为依据对项目施工过程数据和项目规划数据进行分类处理，例如：本方案在工程项目管理的分析阶段中主要使用到项目规划数据，所以将项目规划数据中所包含的数据信息归类到同一数据线程，而在工程项目管理的监管阶段中主要使用项目施工过程数据，所以将项目施工过程数据中所包含的数据信息归类的同一数据线程；
对分类结果进行打包压缩得到分类结果压缩包，确定分类结果压缩包的各压缩文件格式对应的压缩包值，基于所述各压缩文件格式的压缩包值确定压缩包值小于或等于预设的压缩包值的文件格式后缀名，将所述文件格式后缀名与所述分类结果压缩包的总文件格式后缀名的是否匹配得到所述分类结果压缩包的匹配占比，确定所述分类结果压缩包的文件数据，依据所述分类结果压缩包的匹配占比和所述分类结果压缩包的文件数据确定所述分类结果压缩包的压缩时间值，根据压缩时间值对所述分类结果压缩包进行数据加密处理，得到获得项目分类密码集，根据预设的存储方式对所述项目分类密码集进行保存，将项目分类密码集分别导入所述分类结果对应的数据线程中，以使所述分类结果对应的数据线程从所述项目分类密码集中获取需要的项目数据；
在将所述项目分类密码集分别导入所述分类结果对应的数据线程之后，构建所述数据线程的线程配置参数对应的参数分布序列，构建所述数据线程的线程状态参数对应的状态分布序列，所述参数分布序列和所述状态分布序列分别包括多个不同序列识别度的序列单元。提取所述线程配置参数在所述参数分布序列的任一序列单元的单元描述信息，将所述状态分布序列中具有最小序列识别度的序列单元确定为目标序列单元，根据所述项目分类密码集的密码验证权重将所述单元描述信息映射到所述目标序列单元，在所述目标序列单元中得到映射描述信息，并根据所述单元描述信息、所述映射描述信息，生成所述线程配置参数和所述线程状态参数之间的项目数据查询路径，以所述映射描述信息为参考信息在所述目标序列单元中获取待处理描述信息，根据所述项目数据查询路径对应的查询路径节点，将所述待处理描述信息映射到所述单元描述信息所在序列单元，在所述单元描述信息所在序列单元中得到所述待处理描述信息对应的项目描述信息，并根据所述项目描述信息从所述项目分类密码集中获取所需要的项目数据，至此完成项目管理数据库的构建；
如此一来，在不同阶段进行数据调用时可以在对应线程进行数据调用，提高了数据调取效率，并且能够确保项目分类密码集在保存过程中不会出现信息缺损和信息丢失。
S200：从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度；
如图2所示，S210：提取所述项目规划数据中目标项目的施工区域划分数据；
其中，以建筑施工为例，一套完整的建筑施工流程包括多个施工步骤，包括垫层、地基、外架搭设等步骤，每个施工步骤均对应有不同工种的专业施工人员，并且基于目标项目的规模，每个施工步骤都是在目标项目的多个区域同时进行，以需要执行一套完整施工流程的独立区域为施工区域划分的依据，对目标项目的施工区域进行划分，从而将划分的结果作为施工区域划分数据。
S220：根据所述施工区域划分数据明确施工区域后获取每个施工区域制定的工作报表数据；
当根据所述施工区域划分数据明确各个施工区域后获取每个施工区域制定的工作报表数据，工作报表数据中包括该施工区域对应的人员信息、施工开始日期以及施工区域截止到计划完成的工作量，其中工作情况具体为施工区域内不同工种施工人员的理论工作效率、效率影响因素和时间影响因素；
S230：通过施工进度智能计算步骤对每个施工区域制定的工作报表数据进行模拟计算得到目标施工进度。
施工进度智能计算步骤包括：数据导入、模拟计算和进度呈现；
数据导入：将施工区域截止到计划完成的工作量、施工区域内不同工种施工人员的理论工作效率、效率影响因素和时间影响因素导入到对应的计算模型中；
计算模型根据目标项目可以为静态单变量模型（LOC估算模型和FP估算模型）以及动态多变量模型等，其中，模拟计算前需要对模型进行深度学习、修正和确认；
深度学习步骤：计算模型进行深度学习时调用工作报表数据，当需要根据目标项目进行调整时会出现对工作报表数据进行更新的情况，当接收到新的工作报表数据时，判断新的工作报表数据是否符合合理数据范围，若不符合则进行修正。将工作报表数据填入计算模型内，用非线性拟合法对计算模型进行运行训练。非线性拟合训练法即将工作报表数据填入计算模型内获得计算结果，将计算结果与历史计算结果对比获得偏差值，根据梯度下降算法对计算模型进行修订，直至计算模型在计算不同工作报表数据时获得的偏差值均衡，能够有效减少用户输入错误工程数据的可能，目标施工进度的计算属于非线性变化，所以使用非线性拟合法对计算模型进行深度学习训练误差更低；
模型修订步骤：若当前计算结果与历史计算结果偏差值大于设定范围则对计算模型进行修改，并重复深度学习步骤；
模型确认步骤：若当前计算结果与历史数据结果偏差值小于设定范围则确认计算模型。
模拟计算：计算模型根据施工区域截止到计划完成的工作量计算加权工作量，计算模型根据施工区域内不同工种施工人员的理论工作效率计算目标工作效率，计算模型根据效率影响因素计算效率补正，计算模型根据加权工作量、目标工作效率和效率补正计算工作时间，计算模型根据时间影响因素计算时间补正，计算模型根据工作时间和时间补正计算工序耗时，效率补正为施工过程中对效率有影响的已知项，时间补正为施工过程中出现的特殊工作间歇，如材料的运输时间等已知因素；如此一来，能够准确排除效率影响因素和时间影响因素的干扰，保证最终目标施工进度计算准确；
进度呈现：根据上述模拟计算得到计算结果，通过计算结果获得各个施工区域对应的子施工进度，对每个施工区域的子施工进度进行整合得到目标施工进度。
S300：实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点；
所述实际施工进度数据为每个施工区域对应的现场施工实际图像；
其中，现场施工实际图像可以为施工区域的监控设备拍摄的高清图像、无人机拍摄的施工区域高清图像以及施工现场红外扫描影像。
如图3所示，S310：根据所述现场施工实际图像获取实际施工人员数量和实际施工设备数量；
基于图像识别技术对现场施工实际图像进行特征识别，从而圈定出所有的实际施工人员和实际施工设备，再分别统计实际施工人员和实际施工设备的数量。
S320：提取所述项目规划数据中计划施工节点，基于所述计划施工节点统计每个施工区域的计划施工人员数量和计划施工设备数量；
在目标项目中会根据目标项目的进展划分出多个计划施工节点，每个计划施工节点的施工区域、施工人员和施工设备的分配各不相同，因此可以先统计出目标项目中各个计划施工节点处的计划施工人员数量和计划施工设备数量。
S330：根据实际施工设备数量、计划施工设备数量、实际施工人员数量和计划施工人员数量进行判断，根据判断结果得到实际施工进度节点。
判断流程为：
判断计划施工设备数量是否与实际施工设备数量相同；
数量不相同，则判定对应的计划施工节点不为实际施工进度节点；
若数量相同，再计算实际施工人员数量与计划施工人员数量的数量差值；
判断所述数量差值是否小于预设的差值阈值；
若所述数量差值小于所述差值阈值，则判定该施工进度节点不属于实际施工进度节点；
若所述数量差值大于等于所述差值阈值，则判定该施工进度节点属于实际施工进度节点。
因为在工程项目的建设过程中大型设备的使用一般不会与计划中出现差别，因此先进行施工设备的数量比对，若设备数量不同，则直接说明对应的计划施工节点不为实际施工进度节点；而施工人员的数量一般不会固定，因为会出现人员调度的情况，因此本方案计算人员数量的差值，再将数量差值和预设的差值阈值进行比较，从而判定出对应的施工节点是否属于实际施工进度节点。
S400：将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果；
如图4所示，S410：根据所述实际施工进度节点中的实际施工人员数量计算每个施工区域对应的施工进度；
确定实际施工进度节点后，可以根据实际施工进度节点获取其中各个施工区域反馈的实际工作报表数据，通过施工进度智能计算步骤对每个施工区域反馈的实际工作报表数据进行模拟计算得到每个施工区域对应的施工进度，计算过程与步骤S230一致；
S420：基于每个施工区域对应的施工进度进行计算得到当前施工进度；
通过上述计算得到的计算结果获得每个施工区域对应的实际子施工进度，对每个施工区域的实际子施工进度进行整合得到当前施工进度。
S430：将当前施工进度与目标施工进度进行对比，若当前施工进度大于所述目标施工进度，则所述施工进度分析结果为超前进度状态，若当前施工进度等于所述目标施工进度，则所述施工进度分析结果为正常进度状态，若当前施工进度小于所述目标施工进度，则所述施工进度分析结果为落后进度状态。
施工进度分析结果具体为实际施工进度节点中反馈工作报表中的工作量与目标施工进度中制定的工作报表中的总工作量之比，本实施例中施工进度分析结果以百分比的形式表示，施工进度分析结果可以体现目标项目的实时建造进度，监理工程师可以根据施工进度分析结果迅速掌握目标项目的施工进度状态。
S500：从所述项目管理数据库中提取项目施工过程数据，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果；
提取所述项目施工过程数据中的材料数据和施工作业时间数据，所述材料数据包括原材料的查验、统计和原材料保存记录，所述施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量；
材料数据包括原材料的查验、统计和原材料保存记录，根据上述记录信息对原材料记录进行标签处理，按照目标项目中各个施工区域的材料需求对原材料进行预分配，在目标项目实施过程中，根据各个施工区域的原材料实际需求状况进行原材料的再分配，合理调整原材料的供应以匹配各个施工区域的工程需求；同时，根据工程的时间需求，合理调整工程作业方式，重新分配原材料供应；
施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量，基于上述数据作为施工人员的作业时间是否符合标准工序时长的判断标准。
对所述材料数据和施工作业时间数据进行实时监测分析，通过分析结果对项目施工过程进行监测管理。
监测所述材料数据中的材料消耗数据，并在材料消耗数据异常时提示并记录，得到材料监管记录；
监测分析过程为：获取每个施工区域对应的材料消耗数据，将材料消耗数据与材料数据进行对比，对比方式为：根据材料数据和每个施工区域的当前施工进度，获取每个施工区域对应的预设耗材数据，将材料消耗数据和预设耗材数据进行对比，判断该施工区域是否超标，若超标则对该施工区域进行记录，根据各个施工区域的记录整合得到材料监管记录；
监测所述施工作业时间数据中的施工作业时间异常数据，并在施工作业时间值异常时提示并记录，得到施工作业时间记录；
监测分析过程为：通过施工区域的监控设备或无人机设备获取每个施工区域的视频流，并将所述视频流进行分帧处理，得到多帧图片；采用帧差法判断多帧所述帧图片中是否发生动态事件，若发生，则将发生动态事件的帧图片进行标记；基于人脸检测模型和基于深度学习模型对标记后的帧图片进行作业人员跟踪预测；通过人脸识别模型对跟踪到的作业人员进行人脸信息识别，当识别到在一定时间范围内同一工种的若干作业人员经过每个施工区域的入口或出口时，标志着该工种所对应的当次施工作业开始或结束；同一工种的若干作业人员进入和离开所代表的施工作业开始或结束的时间间隔；将时间间隔记录为一次施工作业循环时间数据；其中，人脸检测模型可以为基于opencv的人脸检测模型，深度学习模型可以为基于deepsort的深度学习模型，人脸识别模型可以为基于AM-softmax算法训练的人脸识别模型；本申请中采集的所有信息均经过目标对象同意，并且只应用于合法用途。
基于施工作业循环时间数据判断实际施工时间是否超过了预设的标准施工时间，若超过，则表示施工作业时间值异常，对该条施工作业时间记录进行保存，据此得到施工作业时间记录。
基于所述材料监管记录和施工作业时间记录得到所述施工管理分析结果。
S600：根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整。
基于所述材料监管记录和施工作业时间记录得到所述施工管理分析结果。
其中，对施工进度进行调整的方法如下：
获取所述施工进度分析结果为落后进度状态中的落后施工区域，将所述落后施工区域标记为待增援人员区域；
获取所述施工进度分析结果为落后进度状态中的达标施工区域，将所述达标施工区域标记为支援人员区域；
从所述支援人员区域向所述待增援人员区域进行人员调动。
每个施工区域一般包括多个不同工种，以建筑工程为例，包括钢筋工、砌筑工和管道工，根据待增援人员区域的人员信息获取每个工种对应的人均工作效率，然后获取待增援人员区域的总人均工作效率，根据总人均工作效率和人均工作效率，判断对应工种的人均工作效率是否低于总人均工作效率，根据判断结果得到待增援人员名单，待增援人员名单包括待增援工种以及对应的施工人员数量；同理，从支援人员区域获取支援人员名单，以支援人员名单和待增援人员名单为调动依据从支援人员区域向待增援人员区域进行人员调动。
其中，对施工过程进行调整的方法如下：
获取每个施工区域反馈的耗材明细表，通过所述施工管理分析结果中的材料监管记录与所述耗材明细表进行对比，对所述耗材超标的施工区域进行整顿；
通过所述施工管理分析结果中的施工作业时间记录查询每个施工区域的施工人员的异常施工作业时间，对异常施工作业时间的施工人员进行管理。
第二方面本发明提出一种用于工程项目管理的智能过程分析与监管系统，如图5所示，包括数据构建模块、目标施工进度获取模块、实际施工进度获取模块、施工进度分析模块、施工过程分析模块和施工管理模块；
所述数据构建模块，用于基于目标项目构建项目管理数据库；
所述目标施工进度获取模块，用于从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度；
所述实际施工进度获取模块，用于实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点；
所述施工进度分析模块，用于将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果；
所述施工过程分析模块，用于从所述项目管理数据库中提取项目施工过程数据，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果；
所述施工管理模块，用于根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整。
以上仅是本发明优选的实施方式，需指出的是，对于本领域技术人员在不脱离本技术方案的前提下，作出的若干变形和改进的技术方案应同样视为落入本权利要求书要求保护的范围。
Claims (6)
1.一种用于工程项目管理的智能过程分析与监管方法，其特征在于：包括以下步骤：
基于目标项目构建项目管理数据库，其中，基于目标项目采集项目施工过程数据和项目规划数据，所述项目施工过程数据包括材料数据和施工作业时间数据，所述项目规划数据包括目标项目的施工区域划分数据和计划施工节点，按照预设的加密方式对所述项目施工过程数据和项目规划数据分别进行分类加密处理，获得对应的项目分类密码集，并将所述项目分类密码集进行保存，将所述项目分类密码集分别导入所述项目施工过程数据和项目规划数据对应的数据线程中，从而构建所述项目管理数据库，其中，基于在项目管理的不同阶段所使用的不同数据信息为依据对项目施工过程数据和项目规划数据进行分类处理，对分类结果进行打包压缩得到分类结果压缩包，确定分类结果压缩包的各压缩文件格式对应的压缩包值，基于所述各压缩文件格式的压缩包值确定压缩包值小于或等于预设的压缩包值的文件格式后缀名，将所述文件格式后缀名与所述分类结果压缩包的总文件格式后缀名的是否匹配得到所述分类结果压缩包的匹配占比，确定所述分类结果压缩包的文件数据，依据所述分类结果压缩包的匹配占比和所述分类结果压缩包的文件数据确定所述分类结果压缩包的压缩时间值，根据压缩时间值对所述分类结果压缩包进行数据加密处理，得到获得项目分类密码集，根据预设的存储方式对所述项目分类密码集进行保存，将项目分类密码集分别导入所述分类结果对应的数据线程中，以使所述分类结果对应的数据线程从所述项目分类密码集中获取需要的项目数据；在将所述项目分类密码集分别导入所述分类结果对应的数据线程之后，构建所述数据线程的线程配置参数对应的参数分布序列，构建所述数据线程的线程状态参数对应的状态分布序列，所述参数分布序列和所述状态分布序列分别包括多个不同序列识别度的序列单元，提取所述线程配置参数在所述参数分布序列的任一序列单元的单元描述信息，将所述状态分布序列中具有最小序列识别度的序列单元确定为目标序列单元，根据所述项目分类密码集的密码验证权重将所述单元描述信息映射到所述目标序列单元，在所述目标序列单元中得到映射描述信息，并根据所述单元描述信息、所述映射描述信息，生成所述线程配置参数和所述线程状态参数之间的项目数据查询路径，以所述映射描述信息为参考信息在所述目标序列单元中获取待处理描述信息，根据所述项目数据查询路径对应的查询路径节点，将所述待处理描述信息映射到所述单元描述信息所在序列单元，在所述单元描述信息所在序列单元中得到所述待处理描述信息对应的项目描述信息，并根据所述项目描述信息从所述项目分类密码集中获取所需要的项目数据，至此完成项目管理数据库的构建；
从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度；
所述施工进度智能计算步骤包括：数据导入、模拟计算和进度呈现；
数据导入：将施工区域截止到计划完成的工作量、施工区域内不同工种施工人员的理论工作效率、效率影响因素和时间影响因素导入到对应的计算模型中；
其中，模拟计算前需要对模型进行深度学习、修正和确认；
深度学习步骤：计算模型进行深度学习时调用工作报表数据，当需要根据目标项目进行调整时会出现对工作报表数据进行更新的情况，当接收到新的工作报表数据时，判断新的工作报表数据是否符合合理数据范围，若不符合则进行修正，将工作报表数据填入计算模型内获得计算结果，将计算结果与历史计算结果对比获得偏差值，根据梯度下降算法对计算模型进行修订，直至计算模型在计算不同工作报表数据时获得的偏差值均衡；模型修订步骤：若当前计算结果与历史计算结果偏差值大于设定范围则对计算模型进行修改，并重复深度学习步骤；模型确认步骤：若当前计算结果与历史数据结果偏差值小于设定范围则确认计算模型；模拟计算：计算模型根据施工区域截止到计划完成的工作量计算加权工作量，计算模型根据施工区域内不同工种施工人员的理论工作效率计算目标工作效率，计算模型根据效率影响因素计算效率补正，计算模型根据加权工作量、目标工作效率和效率补正计算工作时间，计算模型根据时间影响因素计算时间补正，计算模型根据工作时间和时间补正计算工序耗时，效率补正为施工过程中对效率有影响的已知项，时间补正为施工过程中出现的特殊工作间歇；
进度呈现：根据模拟计算得到计算结果，通过计算结果获得各个施工区域对应的子施工进度，对每个施工区域的子施工进度进行整合得到目标施工进度；
实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点，其中，所述实际施工进度数据为每个施工区域对应的现场施工实际图像；根据所述现场施工实际图像获取实际施工人员数量和实际施工设备数量；提取所述项目规划数据中计划施工节点，基于所述计划施工节点统计每个施工区域的计划施工人员数量和计划施工设备数量，基于图像识别技术对现场施工实际图像进行特征识别，从而圈定出所有的实际施工人员和实际施工设备，再分别统计实际施工人员和实际施工设备的数量，在目标项目中会根据目标项目的进展划分出多个计划施工节点，先统计出目标项目中各个计划施工节点处的计划施工人员数量和计划施工设备数量；根据实际施工设备数量、计划施工设备数量、实际施工人员数量和计划施工人员数量进行判断，根据判断结果得到实际施工进度节点；判断流程为：判断计划施工设备数量是否与实际施工设备数量相同；数量不相同，则判定对应的计划施工节点不为实际施工进度节点；若数量相同，再计算实际施工人员数量与计划施工人员数量的数量差值；判断所述数量差值是否小于预设的差值阈值；若所述数量差值小于所述差值阈值，则判定该施工进度节点不属于实际施工进度节点；若所述数量差值大于等于所述差值阈值，则判定该施工进度节点属于实际施工进度节点；
将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果；
从所述项目管理数据库中提取项目施工过程数据，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果，其中，提取所述项目施工过程数据中的材料数据和施工作业时间数据，所述材料数据包括原材料的查验、统计和原材料保存记录，所述施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量；材料数据包括原材料的查验、统计和原材料保存记录，根据上述记录信息对原材料记录进行标签处理，按照目标项目中各个施工区域的材料需求对原材料进行预分配，在目标项目实施过程中，根据各个施工区域的原材料实际需求状况进行原材料的再分配，合理调整原材料的供应以匹配各个施工区域的工程需求；同时，根据工程的时间需求，合理调整工程作业方式，重新分配原材料供应；施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量，基于上述数据作为施工人员的作业时间是否符合标准工序时长的判断标准；对所述材料数据和施工作业时间数据进行实时监测分析，通过分析结果对项目施工过程进行监测管理；监测所述材料数据中的材料消耗数据，并在材料消耗数据异常时提示并记录，得到材料监管记录；监测分析过程为：获取每个施工区域对应的材料消耗数据，将材料消耗数据与材料数据进行对比，对比方式为：根据材料数据和每个施工区域的当前施工进度，获取每个施工区域对应的预设耗材数据，将材料消耗数据和预设耗材数据进行对比，判断该施工区域是否超标，若超标则对该施工区域进行记录，根据各个施工区域的记录整合得到材料监管记录；监测所述施工作业时间数据中的施工作业时间异常数据，并在施工作业时间值异常时提示并记录，得到施工作业时间记录；监测分析过程为：通过施工区域的监控设备或无人机设备获取每个施工区域的视频流，并将所述视频流进行分帧处理，得到多帧帧图片；采用帧差法判断多帧所述帧图片中是否发生动态事件，若发生，则将发生动态事件的帧图片进行标记；基于人脸检测模型和基于深度学习模型对标记后的帧图片进行作业人员跟踪预测；通过人脸识别模型对跟踪到的作业人员进行人脸信息识别，当识别到在一定时间范围内同一工种的若干作业人员经过每个施工区域的入口或出口时，标志着该工种所对应的当次施工作业开始或结束；同一工种的若干作业人员进入和离开所代表的施工作业开始或结束的时间间隔；将时间间隔记录为一次施工作业循环时间数据；基于施工作业循环时间数据判断实际施工时间是否超过了预设的标准施工时间，若超过，则表示施工作业时间值异常，对该条施工作业时间记录进行保存，据此得到施工作业时间记录，基于所述材料监管记录和施工作业时间记录得到所述施工管理分析结果；
根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整。
2.根据权利要求1所述的方法，其特征在于：所述从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度，包括：
提取所述项目规划数据中目标项目的施工区域划分数据；
根据所述施工区域划分数据明确施工区域后获取每个施工区域制定的工作报表数据；
通过施工进度智能计算步骤对每个施工区域制定的工作报表数据进行模拟计算得到目标施工进度。
3.根据权利要求2所述的方法，其特征在于：所述将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果，包括：
根据所述实际施工进度节点中的实际施工人员数量计算每个施工区域对应的施工进度；
基于每个施工区域对应的施工进度进行计算得到当前施工进度；
将当前施工进度与目标施工进度进行对比，若当前施工进度大于所述目标施工进度，则所述施工进度分析结果为超前进度状态，若当前施工进度等于所述目标施工进度，则所述施工进度分析结果为正常进度状态，若当前施工进度小于所述目标施工进度，则所述施工进度分析结果为落后进度状态。
4.根据权利要求3所述的方法，其特征在于：所述根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整，对施工进度进行调整包括：
获取所述施工进度分析结果为落后进度状态中的落后施工区域，将所述落后施工区域标记为待增援人员区域；
获取所述施工进度分析结果为落后进度状态中的达标施工区域，将所述达标施工区域标记为支援人员区域；
从所述支援人员区域向所述待增援人员区域进行人员调动。
5.根据权利要求4所述的方法，其特征在于：所述根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整，对施工过程进行调整包括：
获取每个施工区域反馈的耗材明细表，通过所述施工管理分析结果中的材料监管记录与所述耗材明细表进行对比，对耗材超标的施工区域进行整顿；
通过所述施工管理分析结果中的施工作业时间记录查询每个施工区域的施工人员的异常施工作业时间，对异常施工作业时间的施工人员进行管理。
6.一种用于工程项目管理的智能过程分析与监管系统，其特征在于：包括数据构建模块、目标施工进度获取模块、实际施工进度获取模块、施工进度分析模块、施工过程分析模块和施工管理模块；
所述数据构建模块，用于基于目标项目构建项目管理数据库，其中，基于目标项目采集项目施工过程数据和项目规划数据，所述项目施工过程数据包括材料数据和施工作业时间数据，所述项目规划数据包括目标项目的施工区域划分数据和计划施工节点，按照预设的加密方式对所述项目施工过程数据和项目规划数据分别进行分类加密处理，获得对应的项目分类密码集，并将所述项目分类密码集进行保存，将所述项目分类密码集分别导入所述项目施工过程数据和项目规划数据对应的数据线程中，从而构建所述项目管理数据库，其中，基于在项目管理的不同阶段所使用的不同数据信息为依据对项目施工过程数据和项目规划数据进行分类处理，对分类结果进行打包压缩得到分类结果压缩包，确定分类结果压缩包的各压缩文件格式对应的压缩包值，基于所述各压缩文件格式的压缩包值确定压缩包值小于或等于预设的压缩包值的文件格式后缀名，将所述文件格式后缀名与所述分类结果压缩包的总文件格式后缀名的是否匹配得到所述分类结果压缩包的匹配占比，确定所述分类结果压缩包的文件数据，依据所述分类结果压缩包的匹配占比和所述分类结果压缩包的文件数据确定所述分类结果压缩包的压缩时间值，根据压缩时间值对所述分类结果压缩包进行数据加密处理，得到获得项目分类密码集，根据预设的存储方式对所述项目分类密码集进行保存，将项目分类密码集分别导入所述分类结果对应的数据线程中，以使所述分类结果对应的数据线程从所述项目分类密码集中获取需要的项目数据；在将所述项目分类密码集分别导入所述分类结果对应的数据线程之后，构建所述数据线程的线程配置参数对应的参数分布序列，构建所述数据线程的线程状态参数对应的状态分布序列，所述参数分布序列和所述状态分布序列分别包括多个不同序列识别度的序列单元，提取所述线程配置参数在所述参数分布序列的任一序列单元的单元描述信息，将所述状态分布序列中具有最小序列识别度的序列单元确定为目标序列单元，根据所述项目分类密码集的密码验证权重将所述单元描述信息映射到所述目标序列单元，在所述目标序列单元中得到映射描述信息，并根据所述单元描述信息、所述映射描述信息，生成所述线程配置参数和所述线程状态参数之间的项目数据查询路径，以所述映射描述信息为参考信息在所述目标序列单元中获取待处理描述信息，根据所述项目数据查询路径对应的查询路径节点，将所述待处理描述信息映射到所述单元描述信息所在序列单元，在所述单元描述信息所在序列单元中得到所述待处理描述信息对应的项目描述信息，并根据所述项目描述信息从所述项目分类密码集中获取所需要的项目数据，至此完成项目管理数据库的构建；
所述目标施工进度获取模块，用于从所述项目管理数据库中提取项目规划数据，通过施工进度智能计算步骤对所述项目规划数据进行模拟计算，得到目标施工进度；
所述施工进度智能计算步骤包括：数据导入、模拟计算和进度呈现；
数据导入：将施工区域截止到计划完成的工作量、施工区域内不同工种施工人员的理论工作效率、效率影响因素和时间影响因素导入到对应的计算模型中；
其中，模拟计算前需要对模型进行深度学习、修正和确认；
深度学习步骤：计算模型进行深度学习时调用工作报表数据，当需要根据目标项目进行调整时会出现对工作报表数据进行更新的情况，当接收到新的工作报表数据时，判断新的工作报表数据是否符合合理数据范围，若不符合则进行修正，将工作报表数据填入计算模型内获得计算结果，将计算结果与历史计算结果对比获得偏差值，根据梯度下降算法对计算模型进行修订，直至计算模型在计算不同工作报表数据时获得的偏差值均衡；模型修订步骤：若当前计算结果与历史计算结果偏差值大于设定范围则对计算模型进行修改，并重复深度学习步骤；模型确认步骤：若当前计算结果与历史数据结果偏差值小于设定范围则确认计算模型；模拟计算：计算模型根据施工区域截止到计划完成的工作量计算加权工作量，计算模型根据施工区域内不同工种施工人员的理论工作效率计算目标工作效率，计算模型根据效率影响因素计算效率补正，计算模型根据加权工作量、目标工作效率和效率补正计算工作时间，计算模型根据时间影响因素计算时间补正，计算模型根据工作时间和时间补正计算工序耗时，效率补正为施工过程中对效率有影响的已知项，时间补正为施工过程中出现的特殊工作间歇；
进度呈现：根据模拟计算得到计算结果，通过计算结果获得各个施工区域对应的子施工进度，对每个施工区域的子施工进度进行整合得到目标施工进度；
所述实际施工进度获取模块，用于实时收集所述目标项目的实际施工进度数据，基于所述实际施工进度数据和所述项目规划数据进行结合分析，得到实际施工进度节点；其中，所述实际施工进度数据为每个施工区域对应的现场施工实际图像；根据所述现场施工实际图像获取实际施工人员数量和实际施工设备数量；提取所述项目规划数据中计划施工节点，基于所述计划施工节点统计每个施工区域的计划施工人员数量和计划施工设备数量，基于图像识别技术对现场施工实际图像进行特征识别，从而圈定出所有的实际施工人员和实际施工设备，再分别统计实际施工人员和实际施工设备的数量，在目标项目中会根据目标项目的进展划分出多个计划施工节点，先统计出目标项目中各个计划施工节点处的计划施工人员数量和计划施工设备数量；根据实际施工设备数量、计划施工设备数量、实际施工人员数量和计划施工人员数量进行判断，根据判断结果得到实际施工进度节点；判断流程为：判断计划施工设备数量是否与实际施工设备数量相同；数量不相同，则判定对应的计划施工节点不为实际施工进度节点；若数量相同，再计算实际施工人员数量与计划施工人员数量的数量差值；判断所述数量差值是否小于预设的差值阈值；若所述数量差值小于所述差值阈值，则判定该施工进度节点不属于实际施工进度节点；若所述数量差值大于等于所述差值阈值，则判定该施工进度节点属于实际施工进度节点；
所述施工进度分析模块，用于将实际施工进度节点和所述目标施工进度进行结合分析，得到施工进度分析结果；
所述施工过程分析模块，用于从所述项目管理数据库中提取项目施工过程数据，对所述项目施工过程数据进行实时监测分析，得到施工管理分析结果，其中，提取所述项目施工过程数据中的材料数据和施工作业时间数据，所述材料数据包括原材料的查验、统计和原材料保存记录，所述施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量；材料数据包括原材料的查验、统计和原材料保存记录，根据上述记录信息对原材料记录进行标签处理，按照目标项目中各个施工区域的材料需求对原材料进行预分配，在目标项目实施过程中，根据各个施工区域的原材料实际需求状况进行原材料的再分配，合理调整原材料的供应以匹配各个施工区域的工程需求；同时，根据工程的时间需求，合理调整工程作业方式，重新分配原材料供应；施工作业时间数据包括各类工种的施工人员在对应施工区域的作业时间量，基于上述数据作为施工人员的作业时间是否符合标准工序时长的判断标准；对所述材料数据和施工作业时间数据进行实时监测分析，通过分析结果对项目施工过程进行监测管理；监测所述材料数据中的材料消耗数据，并在材料消耗数据异常时提示并记录，得到材料监管记录；监测分析过程为：获取每个施工区域对应的材料消耗数据，将材料消耗数据与材料数据进行对比，对比方式为：根据材料数据和每个施工区域的当前施工进度，获取每个施工区域对应的预设耗材数据，将材料消耗数据和预设耗材数据进行对比，判断该施工区域是否超标，若超标则对该施工区域进行记录，根据各个施工区域的记录整合得到材料监管记录；监测所述施工作业时间数据中的施工作业时间异常数据，并在施工作业时间值异常时提示并记录，得到施工作业时间记录；监测分析过程为：通过施工区域的监控设备或无人机设备获取每个施工区域的视频流，并将所述视频流进行分帧处理，得到多帧帧图片；采用帧差法判断多帧所述帧图片中是否发生动态事件，若发生，则将发生动态事件的帧图片进行标记；基于人脸检测模型和基于深度学习模型对标记后的帧图片进行作业人员跟踪预测；通过人脸识别模型对跟踪到的作业人员进行人脸信息识别，当识别到在一定时间范围内同一工种的若干作业人员经过每个施工区域的入口或出口时，标志着该工种所对应的当次施工作业开始或结束；同一工种的若干作业人员进入和离开所代表的施工作业开始或结束的时间间隔；将时间间隔记录为一次施工作业循环时间数据；基于施工作业循环时间数据判断实际施工时间是否超过了预设的标准施工时间，若超过，则表示施工作业时间值异常，对该条施工作业时间记录进行保存，据此得到施工作业时间记录，基于所述材料监管记录和施工作业时间记录得到所述施工管理分析结果；
所述施工管理模块，用于根据所述施工进度分析结果和所述施工管理分析结果对施工进度和/或施工过程进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211514139.9A CN115545681B (zh) | 2022-11-30 | 2022-11-30 | 一种用于工程项目管理的智能过程分析与监管方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211514139.9A CN115545681B (zh) | 2022-11-30 | 2022-11-30 | 一种用于工程项目管理的智能过程分析与监管方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115545681A CN115545681A (zh) | 2022-12-30 |
| CN115545681B true CN115545681B (zh) | 2024-03-15 |
Family
ID=84721984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211514139.9A Active CN115545681B (zh) | 2022-11-30 | 2022-11-30 | 一种用于工程项目管理的智能过程分析与监管方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115545681B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116011778B (zh) * | 2023-02-03 | 2023-08-15 | 杭州良渚古城文旅集团有限公司 | 一种基于数据分析的水利河道施工管理系统 |
| CN116245492B (zh) * | 2023-03-28 | 2023-09-26 | 啄木鸟房屋科技有限公司 | 一种用于跟踪工程进度的数据处理方法及装置 |
| CN116681320B (zh) * | 2023-04-07 | 2023-12-05 | 中宬建设管理有限公司 | 一种工程监控一体化的智能管理方法及系统 |
| CN116228175B (zh) * | 2023-05-09 | 2023-07-28 | 南京煌泰慧筑科技有限公司 | 一种基于企业级工程施工成本的实时管理系统 |
| CN116611708B (zh) * | 2023-06-02 | 2024-03-19 | 深圳市虎匠科技投资发展有限公司 | 一种智能建造数字化管理的方法及系统 |
| CN116757632B (zh) * | 2023-06-16 | 2023-11-24 | 中咨海外咨询有限公司 | 一种工程项目进度信息监测方法 |
| CN116822925B (zh) * | 2023-06-26 | 2023-12-19 | 中咨海外咨询有限公司 | 一种工程项目管理系统 |
| CN116843305B (zh) * | 2023-07-20 | 2024-05-07 | 山东思舟信息科技有限公司 | 一种适用于建筑工程的工地多部门协调施工管理系统 |
| CN116629583A (zh) * | 2023-07-21 | 2023-08-22 | 青建集团股份公司 | 基于施工大数据的智能工期管理系统 |
| CN116720720A (zh) * | 2023-08-11 | 2023-09-08 | 深圳市长勘勘察设计有限公司 | 一种岩土工程设备互联调度管理方法和系统 |
| CN116843163A (zh) * | 2023-08-29 | 2023-10-03 | 邹城市美安电子科技有限公司 | 一种用于建筑施工进度的管理系统 |
| CN117196334B (zh) * | 2023-09-06 | 2024-04-26 | 河北建筑工程学院 | 一种国土空间规划数据采集方法及系统 |
| CN117078213B (zh) * | 2023-10-11 | 2024-03-29 | 潍坊威尔信息技术有限公司 | 基于大数据整合分析的建筑工程管理平台 |
| CN117853075B (zh) * | 2024-03-07 | 2024-05-24 | 临沂市金明寓建筑科技有限公司 | 一种建筑工程数据信息智能化管理平台 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111754138A (zh) * | 2020-07-07 | 2020-10-09 | 天津水泥工业设计研究院有限公司 | 一种基于bim模型的工程建设进度计划管控系统及方法 |
| CN112052992A (zh) * | 2020-08-26 | 2020-12-08 | 杭州新中大科技股份有限公司 | 一种基于深度学习的建筑工程项目进度预测系统及方法 |
| CN112070473A (zh) * | 2020-09-02 | 2020-12-11 | 于大勇 | 一种基于工程项目的数据处理方法及装置 |
| WO2021031336A1 (zh) * | 2019-08-16 | 2021-02-25 | 清华大学 | 一种基于建筑信息模型的施工进度资源自动优化方法 |
-
2022
- 2022-11-30 CN CN202211514139.9A patent/CN115545681B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021031336A1 (zh) * | 2019-08-16 | 2021-02-25 | 清华大学 | 一种基于建筑信息模型的施工进度资源自动优化方法 |
| CN111754138A (zh) * | 2020-07-07 | 2020-10-09 | 天津水泥工业设计研究院有限公司 | 一种基于bim模型的工程建设进度计划管控系统及方法 |
| CN112052992A (zh) * | 2020-08-26 | 2020-12-08 | 杭州新中大科技股份有限公司 | 一种基于深度学习的建筑工程项目进度预测系统及方法 |
| CN112070473A (zh) * | 2020-09-02 | 2020-12-11 | 于大勇 | 一种基于工程项目的数据处理方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| Digital-twin-based job shop scheduling toward samrt manufacturing;Yilin Fang等;《IEEE Transactions on Industrial Informatics》;第15卷(第12期);全文 * |
| 基于BIM平台的项目施工管理;赵思远;;中国新技术新产品(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115545681A (zh) | 2022-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115545681B (zh) | 一种用于工程项目管理的智能过程分析与监管方法及系统 | |
| Puvanasvaran et al. | Overall equipment efficiency improvement using time study in an aerospace industry | |
| CN113407651B (zh) | 一种进度信息反馈及偏差实时展示方法 | |
| CN112016908A (zh) | 基于bim的施工进度监测方法、系统、电子设备及存储介质 | |
| CN111882202A (zh) | 一种基于bp神经网络的群体建筑同步建造风险管理系统 | |
| CN114971356A (zh) | 一种电力工程项目进度预测系统及方法 | |
| CN116775672B (zh) | 基于bim的工程造价数据动态修正方法及系统 | |
| CN111950577A (zh) | 一种点检方法及装置 | |
| CN116090634A (zh) | 一种基于物联网的工程精装修智慧管理平台及方法 | |
| CN115238430A (zh) | 基于物联网的基建工程现场监测系统 | |
| CN115511467A (zh) | 一种基于工程造价的多项目管理方法及系统 | |
| CN114896652B (zh) | 一种基于bim的工业建筑信息化控制终端 | |
| CN116433090A (zh) | 智慧燃气工单执行质量评估方法、物联网系统及存储介质 | |
| CN116720720A (zh) | 一种岩土工程设备互联调度管理方法和系统 | |
| CN116205613B (zh) | 一种用于差旅自动巡检系统的在线监测方法及系统 | |
| CN112085523A (zh) | 一种bim工程信息管理方法及系统 | |
| CN116843163A (zh) | 一种用于建筑施工进度的管理系统 | |
| CN110266811B (zh) | 一种基于mqtt技术的车间异常信息推送装置与方法 | |
| CN115619309B (zh) | 一种基于数字孪生的物流中心信息平台系统 | |
| CN116384704A (zh) | 一种工程进度及造价管理系统的管理方法 | |
| KR102354181B1 (ko) | 비쥬얼라이징 구현 가능한 건설 사업 정보 관리 시스템 및 이의 제어 방법 | |
| CN116258381A (zh) | 运行指挥工作的量化评价方法和装置 | |
| CN114240211A (zh) | 一种智能生产管理系统及管理方法 | |
| CN115809756B (zh) | 一种工程项目管理方法及系统 | |
| CN116843301A (zh) | 一种基于区块链的建筑施工进度控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |